BAB III

METODE PENELITIAN

3.1 Disain Penelitian

Disain penelitian ini adalah penelitian kausal yaitu jenis penelitian konklusif

yang digunakan untuk mendapatkan bukti hubungan sebab akibat atau hubungan

kausal dan data yang diperoleh dianalisis secara kuantitatif. Penelitian ini bertujuan

untuk mendapatkan bukti hubungan sebab akibat (kausal) antara variabel bebas

(eksogen) yaitu asal daerah dan kualitas pelayanan terhadap variabel terikatnya

(endogen) minat perilaku membeli kembali dengan kepuasan pelanggan sebagai

variabel intervening (Studi Kasus Rumah Makan Siap Saji Hj. Kokom).

3.2 Definisi Opreasional Variabel

Tabel 3. Definisi Operasional Variabel

Variabel Laten Eksogen

Definisi Operasional Indikator Simbol/ notasi

Produk Asal Daerahdiadopsi dari TeoriProduk Asal Negara(Country Of Origin)

Daerah dimana asal produk itu diproduksi

Adaptasi dari:Negara dimana suatu produk diproduk di negara asal perusahaan atau negara dimana merek berasal.Kotler (1993), Laroche et al, Jenes (2005) dan Yassin et al (2007)

Produk asli dimana produk itu dibuat di daerah asal

1. Daerah asal makanan adalah daerah yang memiliki tingkat pendidikan yang baik (Country belief)

2. Daerah asal makanan adalah daerah yang memiliki keterampilan dalam mengolah makanan yang enak/lezat (Country belief).

3. Daerah asal makanan adalah daerah yang memiliki tenaga kerja yang ahli memasak (People Affect)

4. Daerah asal makanan adalah daerah yang ideal untuk dikunjungi(Desired Interaction)

X1

X2

X3

X4

38

Adapatasi dari:1. Keyakinan terhadap asal

negara(Country Beliefs)

2. Keyakinan terhadap orang-orang di asal negara(People Affect)

3. Keinginan berinteraksi dengan asal negara(Desired Interaction)

Kualitas Pelayanan

Tampilan Fisik (Tangible)

Keandalan(Reability)

Kepastian(Assurance)

Responsif(Responsibility)

Empati(Emphaty)

Setiap tindakan atau kegiatan yang dapat ditawarkan oleh suatu pihak kepada pihak lain, yang pada dasarnya tidak berwujud dan tidak mengakibatkan kepemilikan apapun.Kotler dan Keller (2009)

Penampilan fasilitas fisik, peralatan, dan materi komunikasi

Kemampuan untuk melakukan pelayanan yang dijanjikan, dapat diandalkan dan akurat.

Kredibilitas, kompetensi dan sopan santun

Kesediaan untuk membantu pelanggan dan menyediakan prompt pelayanan

Akses, komunikasi dan memahami pelanggan

Parasuraman (2002) dalam Lovelock, Wirtz, Mussry (2010)

1. Penampilan pelayan2. Kebersihan rumah makan3. Ketersediaan tempat

duduk4. Ketersediaan lahan parkir

5. Ketepatan pelayanan6. Kesesuaian dalam

pelayanan7. Kemudahan dalam

pembayaran

8. Kemampuan pelayan dalam bidang pelayanan yang diberikan

9. Keramahan pelayan dalam memberikan pelayanan

10. Kecepatan pelayanan dalam menyajikan pesanan pelanggan

11. Kemampuan pelayan dalam menanggapi keluhan-keluhan pelanggan

12. Kesediaan pelayan untuk membantu pelanggan

13. Kemampuan pelayan dalam mengatasi keluhan pelanggan

14. Kecepatan pelayan meminta maaf ketika terjadi kesalahan

15. Memperhatikan kebutuhan pelanggan dengan sungguh-sungguh

X5X6X7

X8

X9X10

X11

X12

X13

X14

X15

X16

X17

X18

X19

39

Variabel Laten Endogen

Definisi Operasional Indikator Simbol/ notasi

Kepuasan Konsumen(Satisfaction Consumer)

Kepuasan sebagai perasaan senang atau kecewa seorang sebagai hasil perbandingan antara prestasi atau produk yang dirasakan dan yang diharapkan.Kotler dan Keller (2009)

1. Puas dengan produk makanan yang disajikan

2. Puas terhadap harga produk makanan

3. Puas dengan keseluruhan pelayanan yang diberikan

4. Puas dengan waktu tunggu5. Puas dengan kenyamanan

rumah makan

Y1

Y2

Y3

Y4Y5

Minat Perilaku Membeli Kembali(Behavioral Intention)

Keinginan konsumen untuk berperilaku menurut cara tertentu dalam rangka memiliki, membuang, menggunakan produk jasa.Mowen (1993)

1. Minat membeli kembali (Repurchase Intention)

2. Mengajak (Recomendation)

3. mengatakan hal-hal yang positif

4. Bersedia membayar lebih( Pay More)

Z1

Z2

Z3

Z4

3.3 Populasi dan Sampel

Populasi yaitu sekelompok orang, kejadian, atau segala sesuatu yang mempunyai

karakteristik tertentu (Sugiyono, 2013). penelitian ini, populasi yang digunakan

adalah pelanggan RM Hj. Kokom. Populasi Rumah Makan Hj. Kokom pada bulan

oktober adalah berjumlah 1.100 orang jika dirata-rata dalam rata dalam setiap harinya

adalah 157 orang. Sampel penelitian adalah sebagian dari populasi yang diambil

sebagai sumber data dan dapat mewakili seluruh populasi yang diambil. Dalam

penelitian ini, sampel dari populasi yang diambil adalah pelanggan yang memenuhi

syarat, yaitu pelanggan yang pernah datang dan membeli makanan siap saji di RM Hj.

Kokom dalam 2 bulan terakhir sebanyak 2 kali atau lebih.

Jumlah anggota sampel atau ukuran sampel (sampel size) ditetapkan 140 dengan

pertimbangan teori yang menyatakan bahwa ukuran sampel untuk analisis SEM

disarankan antara 100 hingga 200 dan minimum absolutnya 50. Selain itu juga

didasarkan pada teori yang dikemukakan oleh Santoso (2014) bahwa untuk

40

memperoleh hasil analisis jalur yang maksimal dengan menggunakan AMOS,

sebaiknya digunakan sampel di atas 100.

Ukuran sampel memegang peranan penting dalam estimasi dan interpretasi hasil.

Sejauh ini belum ada rumusan untuk menghitung besar sampel pemodelan SEM

(Structural Equation Model). Secara struktural dinyatakan bahwa ukuran sampel yang

cukup adalah 100 sampai dengan 200 (Santoso, 2014). Jika terlalu besar akan menuai

kesulitan dalam meraih Goodness of Fit. Untuk itu saran terbaik bagi ukuran sampel

adalah 5 sampai dengan 10 observasi untuk setiap estimasi parameter. Disamping

pendapat di atas, pertimbangan utama dalam penggunaan sampel adalah (1). Kendala

sumber daya (waktu, dana dan sumber daya lain), (2). Ketepatan, di mana melalui

pemilihan desain sampel yang baik peneliti akan memperoleh data yang akurat, (3).

Pengukuran destruktif, artinya objek yang dikorbankan untuk maksud pengujian

jangan sampai sangat besar dan merugikan. Berdasarkan pandangan dan batasan

tersebut di atas, maka sampel yang diambil dalam penelitian ini adalah 140 responden

dengan pertimbangan ukuran sampel 5 kali dari jumlah indikator yang ada (5 kali 28

indikator = 140 responden) yang masih berada dalam rentang ukuran sampel yang

sebaiknya dipergunakan yakni 100-200 responden.

4.4 Teknik dan Alat Pengumpulan Data

3.4.1 Teknik Pengambilan Data

Teknik pengambilan Data dalam penelitian ini menggunakan metode Non

Probability Sampling jenis Purposive Sampling (Judgmental Sampling) yaitu

pemilihan sampel berdasarkan pada karakteristik tertentu yang dianggap

mempunyai sangkut paut dengan karakteristik populasi yang sudah diketahu

sebelumnya (Sugiyono, 2013). Kategori data Sampel dalam penelitian ini

41

adalah (1) responden berusia minimal 17 tahun keatas dikarenakan usia

tersebut sudah dewasa sehingga dapat memutuskan membeli atau tidak dan

(2) responden yang sebelumnya pernah melakukan pembelian makanan siap

saji di RM Hj. Kokom minimal dua kali atau lebih dalam dua bulan terakhir.

3.4.2 Alat Pengumpulan Data

Pengumpulan data dalam penelitian ini dilakukan dengan menyebarkan

kuesioner kepada responden. Pengambilan data dilakukan dengan panduan

daftar pertanyaan atau kuesioner yang terstruktur. Jenis pertanyaan yang

digunakan merupakan jenis pertanyaan terbuka dan tertutup. Pertanyaan

terbuka adalah pertanyaan yang dibuat sedemikian rupa sehingga responden

bisa memberikan jawaban secara terbuka dan luas. Sedangkan pertanyaan

tertutup adalah pertanyaan yang dibuat sedemikan rupa sehingga responden

dibatasi untuk memberi jawaban pada beberapa alternatif jawaban yang telah

disediakan dalam kuesioner. Beberapa jawaban pertanyaan tertutup dibuat

berdasarkan skala.

Kuesioner ini dimaksudkan untuk memperoleh data deskriptif guna

menguji hipotesis dan model kajian. Sedangkan penyusunan skala pengukuran

digunakan metode Likerts Summated Rating (LSR), dengan alternatif pilihan 1

sampai dengan 5 jawaban pertanyaan dengan ketentuan sebagai berikut:

1. Nilai 5 : Untuk jawaban sangat setuju artinya responden sangat setuju

dengan pertanyaan karena sangat sesuai dengan keadaan yang dirasakan

oleh responden.

2. Nilai 4 : Untuk jawaban setuju artinya pertanyaan dianggap sesuai dengan

keadaan yang dirasakan oleh responden.

42

3. Nilai 3 : Untuk jawaban Netral artinya tidak dapat menentukan atau

apabila responden menentukan dengan pasti apa yang dirasakan.

4. Nilai 2 : Untuk jawaban tidak setuju artinya responden tidak setuju

dengan pertanyaan karena tidak sesuai dengan apa yang dirasakan.

5. Nilai 1 : Untuk jawaban sangat tidak setuju artinya pertanyaan sangat

tidak sesuai dengan keadaan yang dirasakan oleh responden.

Teknik pengumpulan data dalam penelitian ini dilakukan dengan

cara-cara dibawah ini:

1. Observasi

Teknik ini dilakukan dengan melakukan pengamatan langsung

pelanggan di Rumah Makan Hj. Kokom, Cipondoh, Kota Tangerang

berupa aktivitas pelayanan yang terjadi.

2. Wawancara

Teknik ini dilakukan dengan cara berkomunikasi langsung dengan

pelanggan Rumah Makan Hj. Kokom yang bertujuan untuk mendapatkan

data kepuasan pelanggan terhadap kualitas pelayanan dengan kurun waktu

yang telah ditentukan peneliti.

3. Studi Pustaka

Teknik ini dilakukan dengan cara mengumpulkan data melalui buku,

jurnal ilmiah, internet dan lainnya yang ada hubungan dengan materi

kajian.

3.5 Teknik Analisis Data

Penelitian membutuhkan suatu analisis data dan interprestasi yang akan

digunakan untuk menjawab pertanyaan-pertanyaan penelitian untuk mengungkapkan

43

fenomena tertentu. Sehingga analisis data adalah proses penyederhanaan data kedalam

bentuk yang lebih mudah dibaca dan di interprestasikan.

Model yang akan digunakan dalam penelitian ini adalah model kausalitas atau

hubungan atau pengaruh dan untuk menguji hipotesis yang diajukan, maka teknik

analisis yang digunakan adalah SEM (Structural Equation Modelling). Penggunaan

metode analisis SEM karena SEM adalah teknik statistik yang merupakan kombinasi

antara analisis faktor dan analisis regresi (korelasi), yang bertujuan untuk menguji

hubungan-hubungan antar variabel yang ada pada sebuah model, baik itu antar-

indikator dengan konstruknya, ataupun hubungan antar-konstruk (Santoso, 2014).

Dalam analisis SEM, variabel dibedakan menjadi sebagai berikut:

1) Variabel laten

Variabel laten adalah variabel yang tidak dapat diukur secara langsung kecuali

diukur dengan satu atau lebih variabel manifes. Variabel laten disebut pula dengan

istilah unobserved variable, konstruk atau konstruk laten. Variabel laten diberi

simbol lingkaran atau elips. Variabel laten dapat digolongkan menjadi dua yaitu

sebagai berikut.

(1) Variabel laten eksogen, merupakan variabel independen (bebas) yang

memengaruhi variabel dependen (terikat). Dalam penelitian ini yang menjadi

variabel laten eksogen ialah Produk asal daerah dan kualitas pelayanan.

(2) Variabel laten endogen, merupakan variabel dependen yang dipengaruhi oleh

variabel independen. Dalam penelitian ini yang menjadi variabel laten

endogen adalah kepuasan pelanggan dan minat perilaku membeli kembali

(behavioral intentions).

44

2) Variabel manifes

Variabel manifes adalah variabel yang digunakan untuk menjelaskan atau

mengukur variabel laten. Variabel manifes dapat disebut juga dengan istilah

observed variable, measured variable atau indikator. Dalam program AMOS,

variabel manifes diberi simbol kotak.

Menurut Santoso (2014) sebuah pemodelan SEM yang lengkap pada dasarnya

terdiri dari Measurement Model dan Structural Model. Measurement Model adalah

bagian dari model SEM yang menggambarkan hubungan antara variabel laten dengan

indikator-indikatornya. Structural Model adalah adalah bagian dari model SEM yang

menggambarkan hubungan antar variabel-variabel laten atau antar variabel eksogen

dengan variabel laten. Untuk membuat permodelan SEM yang lengkap perlu

dilakukan langkah-langkah berikut ini:

1. Langkah pertama : Pengembangan Model Teoritis

Langkah pertama dalam SEM adalah melakukan identifikasi secara teoritis

terhadap masalah penelitian. Topik penelitian ditelaah secara mendalam dan

hubungan antara variabel-variabel yang akan dihipotesiskan didukung oleh

justifikasi teori yang kuat dalam mengembangkan sebuah model penelitian dengan

mencari dukungan teori yang kuat melalui serangkaian eksploitasi ilmiah melalui

telaah pustaka guna mendapatkan justifikasi atas model teoritis yang akan

dikembangkan. Karena tanpa dasar teori yang kuat, SEM tidak dapat digunakan.

SEM digunakan untuk menguji kausalitas yang ada teorinya (comfirmatory

analysis) dan bukan untuk membentuk teori kausalitas (exploratory analysis).

Oleh karenanya pengembangan sebuah teori yang berjustifikasi ilmiah merupakan

syarat utama menggunakan permodelan SEM (Santoso, 2014).

45

2. Langkah kedua : Pengembangan Diagram Alur

Setelah memastikan adanya hubungan sebab akibat pada tahap pertama,

langkah selanjutnya yang dilakukan adalah menyusun diagram jalur untuk

hubungan-hubungan tersebut. Ada dua hal yang perlu dilakukan yaitu menyusun

model struktural yaitu menghubungkan antar variabel laten baik endogen maupun

eksogen dan menyusun measurement model yaitu menghubungkan variabel laten

endogen atau eksogen dengan variabel manifest.

3. Langkah ketiga: Konversi Diagram Alur kedalam Persamaan struktural (struktural

equation) dan model pengukuran (measurement model)

Langkah ketiga adalah mengkonversikan diagram jalur ke dalam

persamaan, baik persamaan struktural maupun persamaan model pengukuran.

a. Persamaan-persamaan Struktural (structural Equations)

Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas antar

berbagai konstruk, Persamaan struktural pada dasarnya dibangun dengan

pedoman sebagi berikut ini.

Variabel Endogen = Variabel Eksogen + Kesalahan Estimasi

Model Persamaan Struktural penelitian :

KP = γ asal daerah + γ kualitas pelayanan + ζ

Minat Perilaku Membeli Kembali = β kepuasan pelanggan + γ asal daerah + γ kualitas pelayanan + ζ

46

Gambar 3. Model Konseptual Yang Dikembangkan Dalam Penelitian Ini

b. Pada tahap ini ditentukan variabel mana mengukur konstruk mana, serta

menentukan serangkaian matriks yang menunjukkan korelasi yang

dihipotesikan antar konstruk atau variabel (measurement model).

47

Minat Perilaku Membeli Kembali

Kepuasan Pelanggan

X1

X2

X4

X3

X5

X8

X7 X1

X6

X9

X100X111

X12

X13

X14

X15

X16

X17

X18

X19

Y3Y2Y1

Z3

Z2

Z1

Kualitas Pelayanan

ProdukAsal Daerah

Z3

Y4 Y5

Tabel 4. Model Pengukuran

Variabel Eksogen Variabel Endogen

X1 = λ1 Daerah asal makanan memiliki tingkat pendidikan yang baik (Country belief) + δ1

Y1 = λ1 Puas dengan produk makanan yang disajikan + ɛ1

X2 = λ2 Daerah asal makanan memiliki keterampilan dalam mengolah makanan yang enak/lezat (Country belief).+ δ2

Y2 = λ2 Puas dengan harga produk makanan + ɛ2

X3 = λ3 Daerah asal makanan memiliki tenaga kerja yang ahli memasak (People Affect) + δ3

Y3 = λ3 Puas dengan keseluruhan pelayananyang diberikan + ɛ4

X4 = λ4 Daerah asal makanan adalah daerah yang ideal untuk dikunjungi (Desired Interaction) + δ4

Y4 = λ4 Puas dengan waktu tunggu + ɛ4

X5 = λ5 penampilan pelayan + δ5 Y5 = λ5 Puas dengan kenyamanan RM. Hj. Kokom + ɛ5

X6 = λ6 kebersihan RM + δ6 Z1 = λ1 Minat membeli kembali (Repurchase Intention) + ɛ1

X7 = λ7 ketersediaan tempat duduk + δ7 Z2 = λ2 mengajak (Recomendation) + ɛ2

X8 = λ8 ketersediaan lahan parkir + δ8 Z3 = λ3 mengatakan hal-hal positif + ɛ3

X9 = λ9 ketepatan pelayanan + δ9 Z4 = λ4 Bersedia membayar lebih (Pay More) + ɛ4

X10 = λ10 kesesuaian pelayanan + δ10X11 = λ11 kemudahan dalam pembayaran + δ11X12 = λ12 kemampuan pelayan dalam bidang

pelayanan + δ12X13 = λ13 keramahan pelayan + δ13X14 = λ14 kecepatan pelayanan + δ14X15 = λ15 kemampuan menanggapi keluhan + δ15X16 = λ16 kesediaan pelayan membantu pelanggan + δ16X17 = λ17 kemampuan pelayan mengatasi

keluhan pelanggan + δ17X18 = λ18 kecepatan pelayan meminta maaf

jika terjadi kesalahan + δ18X19 = λ19 memperhatikan kebutuhan

pelanggan dengan sungguh-sungguh + δ19

Sumber : Dikembangkan untuk penelitian ini (2015)

4. Langkah keempat: Memilih Matriks Input dan Estimasi Model.

SEM adalah alat analisis berbasis Kovarians. Penggunaan matriks

kovarians karena dapat menunjukkan perbandingan yang valid antara populasi

48

yang berbeda atau sampel yang berbeda, dimana hal yang sama tidak dapat

dilakukan oleh korelasi. Pemakaian matriks kovarians lebih banyak digunakan

pada penelitian mengenai hubungan, dikarenakan Standard error dari berbagai

penelitian menunjukkan angka yang kurang akurat apabila matrik korelasi

digunakan sebagai input (Santoso,2013). Pada penelitian ini matrik inputnya

adalah matrik kovarian yang ukuran sampel minumumnya adalah 100

responden. Teknik Estimasi model yang digunakan adalah Maximum

Likelihood Estimation (ML).

Model persamaan struktural berbeda dari teknik analisis multivariat lainnya.

SEM hanya menggunakan data input berupa matrik varian/kovarian atau matrik

korelasi (Santoso, 2014)). Sedangkan teknik estimasi model yang digunakan

adalah Maximum Likelihood Estimation (ML) dengan program AMOS 22.

Menurut Santoso (2014) estimasi dilakukan secara bertahap yaitu sebagai

berikut.

(1) Teknik confirmatory factor analysis, yaitu teknik yang ditujukan untuk

mengestimasi measurement model dan menguji unidimensionalitas dari

konstruk eksogen maupun konstruk endogen. Pada tahap ini, model akan

mengkonfirmasi apakah variabel yang diamati dapat mencerminkan faktor

yang dianalisis. Terdapat dua uji dasar dalam confirmatory factor analysis

yaitu uji kesesuaian model (Goodness of fit Test) dan uji signifikansi bobot

faktor.

(2) Teknik full structural equation model, yaitu teknik yang digunakan untuk

menguji kausalitas yang telah dinyatakan sebelumnya. Melalui analisis

full model akan terlihat ada tidaknya kesesuaian model dan hubungan

kausalitas dalam model yang diuji. Pengujian struktural equation model

49

dilakukan dengan dua cara yaitu uji kesesuaian model serta uji

signifikansi kausalitas melalui uji koefisien regresi.

5. Langkah Kelima: Kemungkinan Munculnya Masalah Identifikasi Model

Struktural

Model Struktural dikatakan baik apabila memiliki satu solusi untuk satu

estimasi parameter. Dalam satu model sangat mungkin memiliki banyak solusi,

sehingga dipilih solusi yang sesuai. Pemilihan solusi yang sesuai itu yang

sering disebut dengan masalah identifikasi.

Hal yang berkaitan dengan masalah identifikasi model struktural adalah ketika

proses estimasi berlangsung, sering diperoleh hasil estimasi yang tidak logis.

Cara melihat ada atau tidaknya problem identifikasi adalah dengan melihat

hasil estimasi yang meliputi:

1. Adanya nilai standar eror yang besar untuk satu atau lebih koefisien

2. Nilai estimasi yang tidak mungkin, misalnya variansi yang bernilai negative

3. Adanya nilai korelasi yang tinggi (>0,90) anta koefisien estimasi.

Ketika masalah identifikasi terjadi, maka model tersebut menjadi

unidentified. Untuk memecahkan suatu sistem persamaan agar memperoleh

solusi pada SEM, maka model tersebut harus teridentifikasi. Ada 3

kemungkinan yang terjadi pada model SEM, yaitu:

a. Model Unidentified, model ini terjadi jika parameter-parameter tidak dapat

diestimasi.

b. Model Just identified, pada model teridentifikasi estimasi yang didapat

adalah tunggal/unik.

c. Model Over identified, model ini terjadi jika solusi yang dihasilkan tidak

tunggal atau berlebih.

50

6. Langkah keenam : Evaluasi Kriteria Goodness-of-fit

Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap

berbagai kriteria goodness-of-fit. Untuk itu tindakan pertama yang dilakukan

adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-

asumsi SEM. Bila ini sudah dipenihi, maka model dapat diuji melalui berbagai

cara uji yang akan diuraikan pada bagian ini. Pertama-tama akan diuraikan

disini mengenal evaluasi atas asumsi-asumsi SEM yang harus dipenuhi.

A. Evaluasi Asumsi SEM

Hal pertama yang dilakukan adalah bahwa data yang digunakan harus

memenuhi asumsi-asumsi SEM yaitu :

Normalitas, dengan menggunakan criteria nilai kritis sebesar ± 2,58

pada tingkat signifikansi 0,01.

Outliers, merupakan observasi atau data yang memiliki karakteristik

unik, Dengan menggunakan kriteria nilai kritis ±3, maka data

dinyatakan oulier jika memiliki nilai Z-score lebih tinggi 3 atau lebih

rendah dari -3.

Multicollinearity dan Singularity, dimana yang perlu diamati adalah

diterminan dari matrik kovarian sampelnya determinan yang kecil atau

mendekati nol mengindikasikan adanya multikolinearitas atau

singularitas, sehingga data tersebut tidak dapat digunakan untuk

penelitian.

Setelah asumsi-asumsi SEM dlihat, hal berikutnya adalah melakukan

kriteria yang akan kita gunakan untuk mengevaluasi model dan pengaruh-

pengaruh yang ditampilkan dalam model, yang diuraikan pada bagian

berikut ini.

51

B. Uji Kesesuaian dan Uji Statistik

Untuk melakukan uji kesesuaian dan uji statistik diperlukan beberapa

indeks kesesuain dan cut-off valuenya untuk digunakan dalam pengujian

sebuah model:

c2 – Chi-Square statistic, semakin kecil nilai c2 semakin baik model

itu, dan diterima berdasarkan probabilitas dengan cut-off value sebesar

p> 0,05 atau p>0,010.

RMSEA (The Root Mean Square Error of Approximation), adalah

sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square

statistik dalam sampel yang besar . Nilai RMSEA menunjukkan

goodness-of-fit yang dapat diharapkan bila model diestimasi dalam

populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0.08

merupakan indeks untuk dapat diterimanya model yang menunjukkan

sebuah close fit dari model itu berdasarkan degrees of freedom.

GFI (Goodness of fit Index), Merupakan pengukuran non-statistik yang

memiliki rentang nilai berkisar antara 0 (poor fit) sampai dengan 1.0

(perfect fit).

AGFI (Adjusted Goodness of Fit Index), GFI adalah analog R2 dalam

regresi berganda. Fit Index ini dapat diadjust terhadap degress of

freedom yang tersedia untuk menguji diterima tidaknya model. Tingkat

penerimaan yang disarankan adalah apabila AGFI memiliki nilai yang

sama dengan atau lebih besar dari 0,90.

CMIN/DF (The Minimum Sample Discrepancy Function Devided with

degrre of Freedom), menunjukkan The Minimum Sample Discrepancy

Function yang dibagi dengan degree of freedom. CMIN/DF tidak lain

52

adalah statistic chi-square, X2 dibagi DF disebut X2 relatif. Bila nilai X2

kurang dari 2,0 atau 3,0 menunjukkan indikasi dari acceptable fit antara

model dan data.

TLI (Tucker Lewis Indeex), adalah sebuah alternative incremental fit

index yang membandingkan sebuah model yang diuji terhadap sebuah

baseline model. Nilai yang direkomendasikan sebagai acuan untuk

diterimanya sebuah model adalah penerimaan ≥ 0.95 dan nilai yang

sangat mendekati 1 menunjukkan a very good fit.

CFI (Comparative Fit Index), rentang nilai sebesar 0 - 1, dimana

semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi.

Tabel 5 . Goodness of Fit Index

Goodness of Fit Index Cut off Value

X2-Chi Square Diharapkan Kecil

Significance Probability ≥ 0,05

RMSEA ≤ 0,08

GFI ≥ 0,90

AGFI ≥ 0,90

CMIN/DF ≤ 2,00

TLI ≥ 0,95

CFI ≥ 0,95

C. Uji Reliability dan Validitas (Varience Extract).

Uji reliabilitas, dimana nilai reliabilitas yang diterima adalah ³ 0,70

Uji reliabilitas dalam SEM dapat diperoleh melalui rumus sebagai

berikut:

53

Construct Reliability =(∑ Std . Loading )2

(∑ StdLoading )2+∈ . j

Validitas (Variance Extract), dimana nilai yang dapat diterima adalah

³0,50 rumus yang digunakan adalah sebagai berikut :

D. Interprestasi dan Modifikasi Model

Langkah terakhir adalah menginterprestasikan model dan

memodifikasikan model bagi model-model yang tidak memenuhi syarat

pengujian yang dilakukan. Cut-off value sebesar 2,58 dapat digunakan

untuk menilai signifikansi tidaknya residual yang dihasilkan oleh model.

Nilai residual values yang lebih besar atau sama dengan ±2.58

diinterprestasikan sebagai signifikan secara statistik pada tingkat 5%

(Santoso, 2014).

3.6 Jadwal Waktu dan Lokasi Penelitian

3.6.1 Jadwal Waktu Penelitian

Jadwal waktu yang dibutuhkan dalam penelitian ini adalah 3 bulan dari

bulan November 2014 sampai dengan bulan Januari 2015.

3.6.2 Lokasi Penelitian

Adapun tempat dalam penelitian ini adalah Rumah Makan Siap Saji Hj.

Kokom beralamat Jalan KH. Hasyim Ashari No. 20 Cipondoh, Kota

Tangerang, Banten.

54

Variance Extract= ∑ Std . Loading2

∑ Std . Loading2+∈ . j